改进的灵敏度剪枝极限学习机

发布时间：2017-10-16 08:37

  本文关键词：改进的灵敏度剪枝极限学习机

  更多相关文章： 剪枝算法 正则化 奇异值分解 灵敏度分析 故障预测

【摘要】：针对极限学习机(ELM)网络结构优化问题,提出一种改进的灵敏度剪枝ELM(Im SAP-ELM).Im SAP-ELM将2正则化因子引入SAP-ELM中,采用留一准则确定最优隐节点数.推导基于奇异值分解的输出权重计算公式,避免矩阵奇异导致求解无效的问题.将Im SAP-ELM用于故障预测,利用多组同类型故障数据建立多个Im SAP-ELM模型,基于加权思想融合不同Im SAP-ELM的预测值.某型无人机发射机实例表明,相比于ELM、OP-ELM(最优剪枝ELM)和SAP-ELM,Im SAP-ELM耗时最高,但是Im SAP-ELM的预测误差小于其他3种方法.
【作者单位】： 军械工程学院无人机工程系;
【关键词】： 剪枝算法 正则化 奇异值分解 灵敏度分析 故障预测
【基金】：总装院校科技创新工程项目(ZYX12080008)
【分类号】：TP183
【正文快照】： 0引言极限学习机(ELM)是近年发展起来的一种求解单隐层前馈神经网络(SLFN)的学习算法[1].与传统学习算法需要更新SLFN中所有参数不同,ELM只需更新SLFN中的输出层网络权值,使得ELM具有结构简单、学习速度快和泛化能力强等优点[2-3],已经在模式识别[4]、故障诊断[5]、时间序列预，

本文编号：1041744